什么时候需要绝对定量
qPCR 相对定量（2^-ΔΔCt）适合比较同一基因在不同样本中的表达倍数变化，但它不告诉你反应孔里到底有多少个模板分子。如果你需要：
- 知道每微升样品中目标基因的精确拷贝数
- 比较不同基因之间的绝对丰度
- 建立病毒载量、细菌负荷或转基因拷贝数检测
- 向标准曲线回推算未知样品浓度
就应该使用绝对定量。绝对定量的核心逻辑是用已知拷贝数的标准品建立标准曲线，再把未知样品的 Ct 值代入曲线反推拷贝数。
绝对定量的两条技术路线
| 路线 | 标准品类型 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|---|
| 质粒 DNA | 含目标片段的克隆质粒 | 微生物、转基因、常规 DNA 定量 | 稳定性高、可长期保存 | 不能反映 RNA 靶点 |
| 体外转录 RNA | 含目标序列的 ssRNA | 病毒 RNA、基因表达绝对定量 | 与真实 RNA 模板一致 | 更易降解，需 RNase-free 操作 |
选择标准品时要考虑：分子类型是否匹配检测对象、片段长度是否覆盖引物扩增区、标准品是否经过精确定量。
拷贝数计算：从浓度到分子数
建立标准曲线前，必须先把测到的质量浓度换算成拷贝数。计算分两步：先估算分子量，再按阿伏伽德罗常数换算。
双链 DNA 分子量估算
分子量 (Da) ≈ 碱基对数 (bp) × 660 Da/bp例如一个 3000 bp 的质粒，分子量约为 1.98 × 10^6 Da。
单链 RNA 分子量估算
分子量 (Da) ≈ 核苷酸数 (nt) × 340 Da/nt拷贝数计算公式
拷贝数 = 质量 (g) × 6.022 × 10^23 ÷ 分子量 (Da)或写成浓度形式：
拷贝数/µL = 浓度 (ng/µL) × 10^-9 × 6.022 × 10^23 ÷ 分子量 (Da)快速估算参考表
| 标准品类型 | 长度 | 1 ng/µL 对应的拷贝数/µL |
|---|---|---|
| 质粒 DNA | 3000 bp | 3.0 × 10^8 |
| 质粒 DNA | 5000 bp | 1.8 × 10^8 |
| PCR 产物 dsDNA | 200 bp | 4.5 × 10^9 |
| 体外转录 RNA | 1000 nt | 1.8 × 10^9 |
| 体外转录 RNA | 2000 nt | 8.9 × 10^8 |
实际计算时建议使用 DNA/RNA 拷贝数计算器，避免手动换算时数量级出错。
质粒标准品配制全流程
第一步：制备线性化或环状质粒模板
- 用目标基因特异性引物扩增并克隆到质粒载体中
- 测序确认插入片段方向和序列正确
- 可选择酶切线性化或直接使用超螺旋质粒
- 线性化质粒扩增效率通常更稳定，推荐用于标准曲线
第二步：精确定量
- 用 Nanodrop 或 Qubit 测定 DNA 浓度
- 建议用 Qubit dsDNA HS 试剂盒，对杂质耐受性更好
- 同时检测 A260/280 和 A260/230，纯度异常时重新纯化
- 至少重复测定 2-3 次，取平均值
第三步：计算原液拷贝数
以 5000 bp 质粒为例，测得浓度 20 ng/µL：
分子量 = 5000 × 660 = 3.3 × 10^6 Da
拷贝数/µL = 20 × 10^-9 × 6.022 × 10^23 ÷ (3.3 × 10^6)
≈ 3.65 × 10^9 拷贝/µL第四步：设计稀释梯度
推荐做 6-8 个数量级梯度，覆盖未知样品可能的浓度范围。常见设置：
| 梯度 | 拷贝数/µL | 上样 1 µL 时的模板拷贝数 |
|---|---|---|
| S1 | 1 × 10^7 | 1 × 10^7 |
| S2 | 1 × 10^6 | 1 × 10^6 |
| S3 | 1 × 10^5 | 1 × 10^5 |
| S4 | 1 × 10^4 | 1 × 10^4 |
| S5 | 1 × 10^3 | 1 × 10^3 |
| S6 | 1 × 10^2 | 1 × 10^2 |
| S7 | 1 × 10^1 | 1 × 10^1 |
| NTC | 0 | 0 |
第五步：系列稀释操作要点
- 每个梯度稀释 10 倍，例如 1 µL 原液 + 9 µL 稀释液
- 稀释液推荐用 TE buffer（10 mM Tris-HCl, 1 mM EDTA, pH 8.0）或含 20 µg/mL carrier RNA 的溶液
- 每步更换新枪头，避免交叉污染
- 每次移液后充分涡旋震荡 5-10 秒，再短暂离心
- 低浓度标准品（<10^3 拷贝/µL）建议现配现用，不要长期保存
体外转录 RNA 标准品配制
RNA 标准品配制与质粒类似，但需要额外注意 RNA 稳定性和 RNase 污染。
关键差异
- 分子量按 nt × 340 计算
- 定量用 Qubit RNA HS 或 BR 试剂盒
- 稀释液需用 RNase-free 水，可加 RNase 抑制剂
- 分装后 -80°C 保存，避免反复冻融
- 每次实验前检测 RNA 完整性
建议流程
- 设计含 T7/SP6 启动子的 DNA 模板，体外转录得到目标 RNA
- DNase I 消化模板 DNA
- 纯化后用 Qubit 精确定量
- 计算拷贝数浓度
- 用 RNase-free 稀释液做 10 倍系列稀释
- 低浓度标准品尽量当天配制
标准曲线质量判断
先验证范围，再判断未知样品
| 指标 | 如何评估 | 边界 |
|---|---|---|
| 效率、斜率 | 在选定线性范围内计算并核对残差 | 不能只按一个效率区间放行全部浓度 |
| R² | 与逐点残差及重复性一起查看 | 高 R² 不证明低浓度仍可定量 |
| 重复孔 | 按浓度报告离散程度及未检出孔 | 固定 Ct SD 不是所有输入量的合格线 |
| LOD | 用低浓度重复实验估计预定检出概率下的能力 | 不由样本与 NTC 的 Ct 差定义 |
| LOQ | 验证定量精密度等要求能满足的最低量 | 检出不等于可可靠定量 |
| 定量上限 | 检查高输入端线性、抑制和定量偏差 | 平台期形状不能单独定义上限 |
Forootan 等：qPCR 检出限与定量限的实验确定（2017） 给出低浓度重复实验估计 LOD/LOQ 的方法；其中的实验结果不能移植为本站读者体系的数值阈值。
标准曲线常见异常与处理
R^2 偏低
- 系列稀释不准确，某一点浓度偏离预期
- 低浓度点 Ct 波动大，重复性差
- 标准品降解或吸附在管壁上
- 处理：检查稀释和逐孔曲线，按事先规则定位失效范围；重新配制或复测，不为提高 R² 直接删除最低点
扩增效率过高（>110%）
- 可能存在引物二聚体或非特异性扩增
- 标准品中有抑制剂残留
- 处理：跑熔解曲线确认特异性，重新纯化标准品
扩增效率过低（<90%）
- 引物设计不佳或退火温度不合适
- 模板二级结构复杂
- 反应体系中有抑制物
- 处理：优化引物、调整退火温度、检查模板质量
低浓度点 Ct 反而偏高或混乱
- 标准品在极低浓度下不稳定
- 移液误差被放大
- 污染导致 NTC 起峰
- 处理：降低稀释梯度跨度、增加重复孔数、检查实验室污染
未知样品定量与报告
从标准曲线反推拷贝数
qPCR 软件会自动根据标准曲线方程计算未知样品拷贝数。如果手动计算：
Ct = a × log10(拷贝数) + b
拷贝数 = 10^((Ct - b) / a)其中 a 为斜率，b 为截距。
结果报告注意事项
- 报告每 µL 或每反应孔拷贝数
- 说明标准曲线效率、R^2 和浓度范围
- 列出检测下限和上限
- 区分“未检出”和“检出但低于已验证 LOQ”，报告方法的 LOD/LOQ；不把未检出等同于零，也不外推精确拷贝数
- 重复实验时，不同批次标准品曲线应分别计算
常见坑点与避坑建议
浓度测定不准
Nanodrop 对乙醇、盐、蛋白残留敏感，容易高估 DNA 浓度。精确定量标准品时优先用 Qubit 荧光法。
标准品吸附损失
低浓度 DNA/RNA 容易吸附在管壁上。可加入 0.1 µg/µL BSA 或 carrier RNA 作为载体，减少吸附损失。
标准品与样品基质不一致
如果样品是血清、组织提取液或含复杂背景，标准品稀释液应尽量模拟样品基质，避免基质效应导致定量偏差。
忽视标准品稳定性
质粒 DNA 在 -20°C 可保存数月，但建议每 3-6 个月重新定量并做一次标准曲线验证。RNA 标准品建议 -80°C 分装保存，避免反复冻融。
一次稀释跨度太大
从 10^7 直接稀释到 10^2 容易因为单步稀释误差被放大。建议每步 10 倍稀释，逐级进行。
推荐排查顺序
- 确认标准品序列正确且经过精确定量
- 检查纯度指标 A260/280、A260/230 是否正常
- 重新做 10 倍系列稀释，每步更换枪头并充分混匀
- 设置 6-8 个浓度梯度，包含 NTC
- 跑标准曲线，检查效率、R^2 和熔解曲线
- 效率或 R^2 异常时，先排除标准品和稀释问题，再优化引物和体系
- 标准曲线合格后，再检测未知样品并计算拷贝数
相关工具
- DNA/RNA 拷贝数计算器：根据长度和浓度快速估算拷贝数
- 系列稀释计算器：规划 10 倍梯度稀释
- 稀释计算器：计算任意浓度稀释
相关阅读
- qPCR 标准曲线怎么做才稳定
- qPCR 扩增效率低怎么办
- qPCR 标准曲线 R2 低怎么排查
- qPCR 每孔加多少 cDNA 合适
- qPCR Ct 值偏高一般先查什么
- 模板质量怎么判断
- 核酸定量方法选择指南
留言与回复
写留言 ↓不便公开的内容，可使用私密反馈 ↗